摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第一章 绪论 | 第13-19页 |
1.1 课题来源及意义 | 第13页 |
1.2 航空发动机故障诊断概述 | 第13-16页 |
1.3 论文主要内容及创新点 | 第16-17页 |
1.4 论文结构安排 | 第17-19页 |
第二章 航空发动机轴承故障诊断概述 | 第19-25页 |
2.1 航空发动机的典型故障 | 第19-20页 |
2.2 滚动轴承的常见故障 | 第20-21页 |
2.3 滚动轴承故障的振动特征 | 第21-22页 |
2.4 基于振动信号的滚动轴承故障诊断 | 第22-23页 |
2.5 本章小结 | 第23-25页 |
第三章 最优特征参数矩阵构建 | 第25-45页 |
3.1 特征参数矩阵的构建 | 第25-27页 |
3.1.1 时域特征参数 | 第25-26页 |
3.1.2 频域特征参数 | 第26-27页 |
3.2 特征参数矩阵的优化 | 第27-33页 |
3.2.1 特征参数优化方法概述 | 第27-28页 |
3.2.2 基于混合核函数的KPCA算法 | 第28-32页 |
3.2.3 粗糙集 | 第32-33页 |
3.3 实验验证分析 | 第33-43页 |
3.4 本章小结 | 第43-45页 |
第四章 智能故障识别方法 | 第45-73页 |
4.1 隐马尔可夫模型概述 | 第45-50页 |
4.1.1 Markov 模型 | 第46-47页 |
4.1.2 隐Markov模型(HMM)基本概念及定义 | 第47-48页 |
4.1.3 HMM的分类 | 第48-49页 |
4.1.4 HMM算法在航空发动机轴承故障诊断中的应用 | 第49-50页 |
4.2 基于离散隐马尔科夫模型的航空发动机轴承故障模式识别 | 第50-60页 |
4.2.1 DHMM的基本算法 | 第50-57页 |
4.2.2 实验验证及分析 | 第57-60页 |
4.3 基于遗传算法改进离散隐马尔科夫模型的航空发动机轴承故障模式识别 | 第60-66页 |
4.3.1 遗传算法 | 第60-63页 |
4.3.2 实验验证及分析 | 第63-66页 |
4.4 基于连续隐马尔可夫模型的航空发动机轴承故障模式识别 | 第66-69页 |
4.4.1 CHMM的参数表示 | 第66页 |
4.4.2 基于CHMM的训练与诊断算法 | 第66-67页 |
4.4.3 实验验证及分析 | 第67-69页 |
4.5 三种智能算法实验结果比较 | 第69-70页 |
4.6 本章小结 | 第70-73页 |
第五章 航空发动机轴承故障监测诊断系统主要模块的开发 | 第73-81页 |
5.1 航空发动机轴承故障监测诊断系统总体结构设计 | 第73-74页 |
5.2 信息处理及最优特征矩阵构建模块设计 | 第74页 |
5.3 智能诊断模型及修正模块设计 | 第74-75页 |
5.4 系统各功能模块调试及测试结果 | 第75-79页 |
5.5 本章小结 | 第79-81页 |
第六章 结论与展望 | 第81-83页 |
6.1 结论 | 第81页 |
6.2 展望 | 第81-83页 |
参考文献 | 第83-87页 |
致谢 | 第87-89页 |
研究成果及发表的学术论文 | 第89-91页 |
作者和导师简介 | 第91-92页 |
硕士研究生学位论文答辩委员会决议书 | 第92-93页 |